作者介绍

张良， 西门子工业软件数字化企业方案顾问。拥有3年航空制造工艺经验和16年制造业数字化方案经验，擅长数字化研发-工艺-质量一体化解决方案规划和项目落地。服务行业涉及汽车整车及零部件、自动化产线、国防兵器、核电装备、重型机械等。

---

背景

目前基于统计学的质量SPC统计过程控制已经被越来越多的制造企业所采用，尽管没有日本、美国等发达国家的普及率那么高。SPC统计过程控制是非常完善的质量过程控制方法，各种公式也是非常明确的，并且也有很多著名的制作SPC控制图的软件，比如：Minitab。在西门子QMS质量管理系统中，也有SPC统计分析模块，并且是基于QMS系统中的检测样本的实测数据进行控制图的绘制，比如：X-b,X-r,泊松……等，离线或实时在线绘制等都支持。

 

SPC控制图的关键意义在于可以对质量趋势进行判断，从而在缺陷产生之前就采取相应措施避免缺陷的产生，进而提高质量效率和水平。但是质量趋势如何判断？判断出有异常其背后真正的原因是什么？进一步而言的SPC的趋势判异规则如何确定？如何优化？针对这些，目前还没有成熟的解决方案。主要趋势判异和根因分析需要跨多系统的大数据分析能力。

本篇文章就针对制造业SPC质量分析控制图的趋势判异和根因分析提出解决方案——基于Mendix的跨多系统质量、制造大数据人工智能分析APP。

需求

业内SPC统计过程控制中制图比较容易，只要有样本质检数据，使用Excel也可以制作出SPC质量趋势控制图。但质量趋势判异和根因分析却没有很好的支撑系统或工具，而判异和根因分析才是企业引入SPC的根本诉求。趋势判异和根因分析从本质上需要聚合人、机、料、法、环、测等多个方面进行分析，比如一个零件的某个特性加工出现了质量缺陷，或者可能要出现缺陷，这和加工这个特性时的操作工、机台设备、零件本身、加工方法、测量方法等可能都有关系。而具体是哪些因素导致的，就需要进行详细的分析。

但对于企业而言很难及时的统计出在当时的来自所有相关系统的数据，比如：PLM、MES、ERP、QMS、SCADA、WMS等等。并且即使拿到这些数据，也不知道如何下手进行分析。另外，对SPC控制图上的出现什么情况时，就需要进行预警，出现什么情况时，必须进行根因分析，又需要采取什么措施等。也是企业非常迫切的需求。

并且SPC趋势判异和根因分析的应用最好能智能化，通过大数据和算法进行自动的人工智能分析，而无需再多的人为参与。

面向的用户及业务对象

SPC统计过程控制应用的范围非常广泛，尤其在制造业行业应用最多，没有行业的限制，像航空航天、汽车及零部件、工程机械、高科技电子、军工兵器等等都可以使用SPC。整个过程中会涉及到人、机、料、法、环、测等六大方面的业务对象，以及企业主流的应用系统也会都涉及到比如：PLM、MES、ERP、QMS、SCADA、WMS等等。

 

目标及价值

1. 自动判异：根据预设置的判异规则定义，连续自动分析SPC控制图中的趋势变化，一旦发生符合规则定义的情况出现，即可发出通知预警，根据问题的等级决定立即启动的遏制措施。
2. 根因分析：根据特性标识在PLM、QMS、MES、ERP、WMS、SCADA等系统中，抽取该特性加工时刻及之前的所有数据，附加AI算法智能分析问题的根本原因。从而解决问题并持续改进。
3. 判异优化：基于过往的分析数据，总结和探索大数据AI算法、机器学习等方法，进一步细化和优化判异规则，并将判异规则背后所映射的5M1E的因素进一步优化，从而提升产品合格率。

经过分析，SPC趋势判异和根因人工智能分析APP，可以为企业带来如下价值：

 

1. 降低企业质量成本，减少制造返工和浪费；
2. 提升生产制造效率，提高生产制造交付及时率；
3. 提升制造过程能力，提升企业核心竞争力；
4. 更好贯彻质量体系，提升企业分析问题和解决问题的能力；

业务流程及前提条件

 整个业务过程包括8个环节：

• 控制图设定和判异规则设定：先根据企业历史积累的经验，及所生产和加工零组件的特点，实现设定所要使用的SPC控制图的类型，及趋势判异规则。比如：
  1. 有点超出管制上下限
  2. 连续7点在中心线一侧
  3. 连续7点持续上升
  4. 连续7点持续下降
  5. 连续2/3点靠近管制上限
  6. 连续2/3点靠近管制下限
  7. 7点以上出现规律性变化 
• 从QMS系统获取质检样本的质检数据，根据所设定的SPC控制图类型自动绘制控制图，支持离线或在线实时绘制，比如：X-b、X-r等；
• 根据事先设定好的判异规则，实时扫描SPC控制图，一旦出现某种情况符合设定的趋势规则，及时发出通知和报警；
• 趋势判异的报警通知通过轻量化的移动APP，及时通知到各相关人员，根据所设定的规则，进行下一步流程处理；
• 根据流程指引，应首先采取临时遏制措施；将临时遏制措施也通过轻量化的移动APP通知到各相关人员；
• 根据流程指引，进去到智能根因分析环节之前，将从PLM、QMS、MES、ERP、WMS、SCADA等系统中自动抽取该特性加工时，时间切片上的所有数据。并且根据所收集的数据、加工的特性等，自动寻找算法模型从人、机、料、法、环、测等六大方面进行人工智能分析；
• 从而智能的给出该趋势或质量缺陷的产生，是什么原因导致的，并且联动预防措施库；另外，将利用历史数据和智能算法，进行深度机器学习，从而对趋势判异规则进行优化，减少误判和错判；
• 将预防措施通过轻量化APP通知到相关的责任人，同时在系统层面同步相关措施或信息到PLM、QMS、MES、ERP、WMS、SCADA等系统；

系统平台及功能

 

系统整体划分为5层：

1、基础应用系统层：该层主要是企业先期建设的各种应用系统，包括但不限于：PLM、QMS、MES、ERP、WMS、IoT等。这一层为上端提供零件特性加工时的各种数据，操作人员的操作动作、机器设备的运行状态、加工零件的物料信息、工序上的加工方法，前后序的加工方法、周边环境通讯状态、测量系统的状态等；

2、连接层：Mendix和业内主流系统都具有成熟的连接开发组件，可方便的连接到各种应用系统；

3、大数据治理层：本应用要处理的数据量非常大，当然也比较聚焦，可以共用企业其他数据中台，也可以建立自己专属的数据湖。但针对质量统计分析人工智能应用APP这个应用而言，需要专属的大数据清理层，为根因智能分析提供数据前置处理能力；

4、SPC智能应用层：主要承载本应用中功能，主要包括：控制图的定义和设定、SPC控制展示和计算、SPC判异规则的定义和设定、趋势判异的预警通知、措施（遏制措施和预防措施）、根因智能分析及处理流程、算法库、日常训练和学习等；

5、多终端应用层：支持在PC、Mobile Phone、Pad、工控设备等多种设备上使用；

 

西门子解决方案的优势

 

 

西门子自身就是强大的工业集团，拥有深厚的制造经验和成熟的质量体系。同时，西门子深耕制造业数字化转型，引领工业4.0，在数字化持续加大投入。提出基于模型的闭环质量解决方案，包括：先期质量策划、质量执行和数据采集、质量分析、质量改进等。并且基于成熟的PLM平台、QMS平台、MES平台、IoT工业云平台打通这个闭环质量解决方案。

基于这些基础，西门子Mendix低代码应用开发平台，将上述系统无缝对接，把制造业经验、闭环质量解决方案整合到一起，为制造业企业提供快速的实践落地。项目验证中，后续将更新更多内容。

 更多信息，请访问以下链接：

Mendix官网：低代码应用开发平台 - 快速高效地构建应用 | Mendix

Mendix中国论坛：首页-Mendix开发者论坛

Mendix Bilibili主页：Mendix_LowCode的个人空间_哔哩哔哩_Bilibili

Mendix行业解决方案：Low-Code Solution Gallery | Customizable Solutions For Every Industry

Mendix平台指南：低代码应用程序开发平台评估指南 | Mendix 评估指南

Mendix动画展示：Application Development Demos – Mendix Low-Code Platform

感谢阅读！

 

 

 

 

 

 

标签：分析,Mendix,APP,判异,质量,应用,根因,SPC
来源： https://blog.csdn.net/Mendix/article/details/120543950